应用CHAMP卫星轨道和加速度数据恢复地球重力场

介绍了重力卫星CHAMP,GRACE,GOCE和利用卫星观测数据解算地球重力场的方法以及加速度数据的处理方法,探讨了基于能量守恒方法恢复地球重力场模型的原理.将基于能量守恒方法利用CHAMP卫星星历数据恢复的地球重力场模型与EGM 96重力场模型进行比较,结果验证了CHAMP卫星对地球中、长波重力场的敏感性,以及能量守恒方法恢复低阶地球重力场位系数的有效性.     

基于稳态Kalman滤波的相关观测融合方法及其功能等价性

对于带相关观测噪声和带不同观测阵的多传感器线性离散定常随机系统,用加权最小二乘（WLS）法提出了两种加权观测融合稳态Kalman滤波方法,可处理状态、白噪声和信号融合估计。基于稳态信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波方法,因而具有渐近全局最优性,且可显著减少计算负担。两个跟踪系统数值仿真例子验证了它们的功能等价性。     

基于天琴一号观测数据反演地球重力场模型

天琴一号卫星搭载了静电悬浮加速度计、GNSS接收机和星象仪,可实现地球重力场探测的高低卫星跟踪卫星技术．这里利用自主研制的动力法反演软件,采用天琴一号(TQ-1:Tianqin-1)30 h观测数据反演了截断至15阶次的静态地球重力场模型,计算结果表明:TQ-1卫星数据反演的地球重力场模型在15阶次内的信噪比均大于1,说明利用TQ-1数据具备实现15阶次地球重力场的反演能力;通过与包含8 a高低卫星跟踪卫星观测信息的AIUB-CHAMP03S模型对比可知,利用TQ-1卫星数据反演的地球重力场模型位系数误差整体优于10^-8量级;通过与包含13 a低低卫星跟踪卫星观测信息的HUST-Grace2016s模型对比可知,利用TQ-1卫星数据反演的地球重力场模型可获取全球格网重力异常和全球格网大地水准面信息,二者空间分布特征较为一致．计算结果为采用我国自主研发的高低卫星跟踪卫星技术获得的首个地球重力场模型,表明我国具备了采用该技术获取地球重力场模型的能力,可为发展我国自主研发的重力卫星提供重要技术参考．     

应用卫卫跟踪数据恢复地球重力场的模拟分析

探讨了应用卫卫跟踪(SST)卫星星历、星间距离和星间距离变率数据来恢复地球重力场的数学模型和算法,利用卫星动力学法恢复了直到40阶的地球重力场模型.结果表明:在仅模拟5 cm轨道误差、10μm星间距离误差及1μm.s-1星间距离变率误差的情况下,采用星间距离恢复的结果比采用星间距离变率恢复的结果精度要高,说明SST距离测量比SST距离变率测量对重力场的扰动更敏感.     

带相关噪声的观测融合稳态Kalman滤波算法及其最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(wLs)法提出了一种加权观测融合稳态Kalman滤波算法,并基于信息滤波器证明了它同集中式观测融合稳态Kalman滤波算法功能的等价性.因而,它具有渐近全局最优性,且可减少计算负担.一个跟踪系统数值仿真例子验证了它的功能等价性.     

基于稳态Kalman滤波的两种观测融合方法的功能等价性

目前有两种最优观测数据融合方法：一种(方法Ⅰ)是增大观测向量维数方法,另一种(方法Ⅱ)是加权方法。对于带相同观测阵和带独立白噪声的多传感器系统,基于稳态Kalman滤波,证明了两种最优观测融合方法是完全功能等价的,即用两种方法得到的稳态Kalman滤波器、预报器和平滑器,白噪声估值器及信号估值器在数值上分别是恒同的。在这种情况下,用方法Ⅱ不仅可获得全局最优融合估计,而且可显著地减小计算负担。     

基于粒子滤波的异步数据融合更新算法

对于双基地雷达系统中存在的异步数据融合问题,多采用扩展卡尔曼滤波算法解决,但是应用扩展卡尔曼滤波时,非线性系统必须要进行线性化处理,从而导致滤波结果有很大的误差.为此将粒子滤波算法用于双基地雷达系统中,利用粒子滤波器在解决一步延迟的基础上递推出异步数据融合的多步延迟更新算法,并建立了双基地雷达系统状态方程和观测方程.将两种方法分别对双基地雷达系统进行滤波仿真,仿真实验结果表明粒子滤波算法优于利用扩展卡尔曼滤波的多步更新算法,更能减少跟踪误差.     

一种基于Resnet的非稳态数据关联方法

设计了一种基于残差网络的非稳态数据关联方法.利用残差网络对多层次和异构特征的提取能力求解数据关联问题中的最优决策函数.首先将全局关联问题分解为固定问题空间大小的基本关联问题,然后设计深度网络提取非稳态数据中的不变特征,找到基本关联问题解的分类模型,可在误差分布变化和参数无法准确估计的情况下,提高关联鲁棒性和准确性.仿真试验结果表明:当误差分布参数在一定范围内变化和未知条件下,本算法优于联合概率数据关联(JPDA)算法和K近邻(KNN)算法.     

带不同观测阵系统的自校正观测融合Wiener滤波器

对于带有不同观测阵、相关观测噪声和未知噪声统计的多传感器线性离散定常随机系统,利用相关方法,得到了噪声统计信息的在线辨识器.基于ARMA新息模型,提出了自校正加权观测融合Wiener滤波器,避免了求解Lyapunov和Riccati方程,减少了计算负担,适于实时应用.利用动态误差系统分析(DESA)方法,严格证明了提出的自校正融合Wiener滤波器以概率1或按实现收敛于相应的最优观测融合Wiener滤波器,即具有渐近全局最优性.一个3传感器跟踪系统的仿真例子说明其有效性.     

带相关观测噪声系统的自校正观测融合Kalman滤波器

对于带有相关观测噪声、未知噪声统计、不同观测阵带有相同右因子的多传感器线性离散定常随机系统,利用相关方法,提出了噪声统计信息的在线辨识器.基于ARMA新息模型,提出了自校正加权观测融合Kalman滤波器,避免了求解Lyapunov和Riccati方程,减少了计算负担,适于实时应用.利用动态误差系统分析(DESA)方法,严格证明了提出的自校正融合滤波器以概率1或按实现收敛于相应的最优融合滤波器,即具有渐近全局最优性.一个3传感器跟踪系统的仿真例子说明其有效性.